一种混合能源供电蜂窝网络中基站间能源协作方法与流程
本发明涉及无线通信领域，特别地，涉及一种混合能源供电蜂窝网络中基站间能源协作方法。
背景技术：
随着人们对无线接入的需求不断提升，无线网络规模不断扩大，网络对传统能源(即不可再生的化石能源)的消耗量不断上升。这为网络运营商带来巨大的经济压力；同时，传统能源使用过程中所产生的碳排放也为生态环境带来温室效应等问题。现在，使用太阳能，风能、潮汐以及生物能等可再生的绿色能源替代传统能源，已经成为了包括无线通信产业在内的所有产业最具前景的可持续发展供电解决方案，绿色能源供电已经在世界各地获得应用。
蜂窝无线网络中大量部署的基站作为网络中主要能耗设备，广泛分布在不同的地区，而不同地理位置的绿色可再生能源产生量有所不同，因而，各个基站可使用的绿色能源量并不相同；同时，网络负载量在时间与空间维度上动态变化，同一基站在不同时间负载量不同，在同一时间不同位置的基站其负载量各不相同。
蜂窝网络中会出现一部分基站负载量较大而绿色能源量较少的情况，此时需要使用传统能源供电；一部分基站负载量较少而绿色能源较多的情况，此时绿色能源得不到充分利用而导致浪费。而在最理想的情况中，每个基站因负载量对能源的需求量与绿色能源供应量相等。因此，绿色能源较充足的基站可以通过智能电网将一部分能源传输给绿色能源不足的基站，使网络中的绿色能源得到充分利用，尽可能使每个基站的负载量与绿色能源供应量相一致。
智能电网技术已经得到广泛研究，并且已经在欧洲、美国等世界各地得到应用，安装有智能电表的用户可以通过更加智能的电力供应网络与其他用户以及电力供应商进行信息交互，使电力供应更加灵活。基站之间信息与电力通过智能电网双向传输，可以使蜂窝网络中的绿色能源得到更加高效的利用。
在多个基站之间进行绿色能源的协作传输，需要有特定的传输方法，使绿色能源充足的基站既能够将自身一部分能源传输给绿色能源供应不足的基站，又能够保证自身负载量对能源的需求，在此基础上，参与协作使用的绿色能源量尽可能大，而现有的绿色能源供电的基站间尚不存在解决此问题的解决方案。
技术实现要素：
有鉴于此，本发明的目的在于提出一种混合能源供电蜂窝网络中基站间能源协作方法，能够使基站在保证自身负载量对能源的需求的前提下将自身剩余绿色能源协作传输给绿色能源供应不足的基站，使得参与协作使用的绿色能源量达到最大。
基于上述目的，本发明提供的技术方案如下：
本发明提供了一种混合能源供电蜂窝网络中基站间能源协作方法，包括：
持续从环境中收集绿色能源并存储于各基站本地；
根据各基站的绿色能源存储费用与实时数据包到达率，计算出各基站的本地能源最佳存储量；
根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为能源供应基站与能源需求基站；
能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站。
其中，各基站均包括绿色能源发电设备与储能设备；持续从环境中收集绿色能源并存储于各基站本地，为发电设备持续从环境中收集绿色能源并存储于各基站的储能设备中，其中，绿色能源包括以下至少之一：太阳能、风能、水利能、地热能、生物能、潮汐能。
其中，根据各基站绿色能源存储费用与实时数据包到达率，计算出各基站的本地能源最佳存储量包括：
根据各基站的实时数据包到达率确定数据包到达量；
根据数据包到达量确定自身负载量；
根据自身负载量、信道增益与服务质量要求阈值确定各基站的实时消耗功率；
根据基站实时负载量与绿色能源存储费用，计算出在一定时间周期各基站的本地能源最佳存储量。
并且，数据包到达过程为泊松过程，数据包到达量为符合泊松分布的概率分布；自身负载量为一定时间段内数据包到达量，发射功率消耗正比于数据包到达量；无线信道环境为具有零均值加性高斯白噪声的瑞利衰落信道环境，在一个时间周期内信道增益恒定；服务质量要求阈值为数据传输速率阈值。
同时，根据实时负载量与绿色能源存储费用，计算出在一定时间周期各基站的本地能源最佳存储量包括：
确定各基站的单位能源缺货费用与单位能源存储费用；
根据负载量、单位能源缺货费用与单位能源存储费确定存储费用期望函数；
根据存储费用期望函数计算出单位时间周期内的本地能源最佳存储量。
并且，根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为绿色能源供应基站与能源需求基站，为将本地存储量大于本地能源最佳存储量定为能源供应基站，将本地存储量小于本地能源最佳存储量定为能源需求基站，其中，能源供应基站供应的能源量为其本地存储量减本地能源最佳存储量，能源需求基站需求的能源量为其本地能源最佳存储量减本地存储量。
同时，绿色能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站包括：
根据能源需求基站需求的能源总量和能源供应基站的收益，确定能源交易价格和能源交易量；
根据能源交易价格与能源需求效率，确定能源需求基站的收益函数；
根据自身负载量与传输成本权重，确定能源供应基站的供应成本；
根据能源交易价格与供应成本，确定能源供应基站的收益函数；
根据能源需求基站的收益函数与能源供应基站的收益函数以寡头垄断模型进行博弈，直到获得纳什均衡；
根据纳什均衡解的方案，将能源供应基站的多余能源交易给能源需求基站。
并且，寡头垄断模型为寡头垄断古诺模型，各能源供应基站根据其他能源供应基站在博弈过程中能源供应量的历史数据，以获取最大收益为目标各自决定能源供应量，经过多次博弈过程，各能源供应基站的提供能源量达到稳定值并获取最大收益，其中，各能源供应基站同时给出各自提供能源量，并且根据所有能源供应基站的决定获得收益。
同时，寡头垄断模型为寡头斯坦克尔伯格模型，各能源供应基站根据其他能源供应基站在博弈过程中能源供应量的历史数据，以获取最大收益为目标各自决定能源供应量，经过多次博弈过程，各能源供应基站的提供能源量达到稳定值并获取最大收益，其中，一部分能源供应基站先制定提供能源量的策略，其余能源供应基站根据先动能源供应基站的策略后制定行动策略，并且根据所有能源供应基站的决定获得收益。
从上面所述可以看出，本发明提供的技术方案通过使用持续从环境中收集绿色能源并存储于各基站本地，根据各基站的绿色能源存储费用与实时数据包到达率，计算出各基站的本地能源最佳存储量，根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为能源供应基站与能源需求基站，能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站的技术手段，能够使基站在保证自身对能源的需求的前提下将自身一部分能源协作传输给绿色能源供应不足的基站，使得参与协作使用的绿色能源量达到最大。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种混合能源供电蜂窝网络中基站间能源协作方法的流程图；
图2为根据本发明实施例的一种混合能源供电蜂窝网络中基站间能源协作方法的一个实施例中，混合能源供电的蜂窝网模型图；
图3为根据本发明实施例的一种混合能源供电蜂窝网络中基站间能源协作方法的一个实施例中，基于寡头垄断古诺模型的博弈过程折线图；
图4为根据本发明实施例的一种混合能源供电蜂窝网络中基站间能源协作方法的一个实施例中，基于寡头垄断斯坦克尔伯格模型的博弈过程折线图；
图5为根据本发明实施例的一种混合能源供电蜂窝网络中基站间能源协作方法的一个实施例中，多种能源协作模型的绿色能源交易总量-能源供应者数量折线对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进一步进行清楚、完整、详细地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种混合能源供电蜂窝网络中基站间能源协作方法。
如图1所示，根据本发明实施例的提供的一种混合能源供电蜂窝网络中基站间能源协作方法包括：
步骤S101，持续从环境中收集绿色能源并存储于各基站本地；
步骤S103，根据各基站绿色能源存储成本与实时数据包到达率，计算出各基站的本地能源最佳存储量；
步骤S105，根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为能源供应基站与能源需求基站；
步骤S107，能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站。
其中，各基站均包括发电设备与储能设备；持续从环境中收集绿色能源并存储于各基站本地，为发电设备持续从环境中收集绿色能源并存储于各基站的储能设备中，其中，绿色能源包括以下至少之一：太阳能、风能、水利能、地热能、生物能、潮汐能。
其中，根据各基站绿色能源存储费用与实时数据包到达率，计算出各基站的本地能源最佳存储量包括：
根据各基站的实时数据包到达率确定数据包到达量；
根据数据包到达量确定自身负载量；
根据自身负载量、信道增益与服务质量要求阈值确定各基站的实时消耗功率；
根据存储成本与时间周期计算出各基站的本地能源最佳存储量。
并且，数据包到达过程为泊松过程，数据包到达量为符合泊松分布的概率分布；自身负载量为各基站一个时间周期内数据包到达量，发射功率消耗正比于负载量；无线信道环境为具有零均值加性高斯白噪声的瑞利衰落信道环境，在一个时间周期内信道增益恒定；服务质量要求阈值为数据传输速率阈值。
同时，根据存储成本与时间周期计算出各基站的本地能源最佳存储量包括：
确定各基站的单位能源缺货费用与单位能源存储费用；
根据负载量、单位能源缺货费用与单位能源存储费确定存储费用期望函数；
根据存储费用期望函数最小值，计算出单位时间周期内的本地能源最佳存储量。
并且，根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为能源供应基站与能源需求基站，为将本地存储量大于本地能源最佳存储量定为能源供应基站，将本地存储量小于本地能源最佳存储量定为能源需求基站，其中，能源供应基站供应的能源量为其本地存储量减本地能源最佳存储量，能源需求基站需求的能源量为其本地能源最佳存储量减本地存储量。
同时，能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站包括：
根据所有能源供应基站的收益、所有能源需求基站需求的能源总量、以及能源交易效率，确定能源交易价格；
根据能源交易价格与能源需求效率，确定能源需求基站的收益函数；
根据自身负载量与传输成本权重，确定能源供应基站的供应成本；
根据能源交易价格与供应成本，确定能源供应基站的收益函数；
根据能源需求基站的收益函数与能源供应基站的收益函数以寡头垄断模型进行博弈，直到获得纳什均衡；
根据纳什均衡解的方案，将能源供应基站的多余能源交易给能源需求基站。
并且，寡头垄断模型为寡头垄断古诺模型，各能源供应基站根据其他能源供应基站在博弈过程中能源供应量的历史数据，以获取最大收益为目标各自决定能源供应量，经过多次博弈过程，各能源供应基站的提供能源量达到稳定值并获取最大收益，其中，各能源供应基站同时给出各自提供能源量，并且根据所有能源供应基站的决定获得收益。
同时，寡头垄断模型为寡头斯坦克尔伯格模型，各能源供应基站根据其他能源供应基站在博弈过程中能源供应量的历史数据，以获取最大收益为目标各自决定能源供应量，经过多次博弈过程，各能源供应基站的提供能源量达到稳定值并获取最大收益，其中，一部分能源供应基站先制定提供能源量的策略，其余能源供应基站根据先动能源供应基站的策略后制定行动策略，并且根据所有能源供应基站的决定获得收益。
下面根据具体实施例进一步阐述本发明的技术特征。
图2示出的是混合能源供电的蜂窝网模型。如图2所示，蜂窝网络中基站安装有绿色能源供电设备，包括太阳能电池板，风力发电设备等，以产生绿色电力，并且有绿色能源存储设备。同时，蜂窝网络依然有传统电力供应，作为绿色能源的补充，在网络绿色能源不够的情况下，利用传统电力维持网络稳定运行。智能电网作为给蜂窝网络提供传统电力供应的电力供应网络，同时作为基站间绿色电力能源传输的通道。在本发明实施例中，蜂窝网络中的基站(Base Station,简称BS)i记作BSi，在时间t的能源供应如下式所示：
Ei(t)＝Si(t)+Wi(t)
能源供应量Ei(t)由两部分组成，分别为绿色能源Si(t)以及传统电力供应能源Wi(t)，传统能源Wi(t)作为绿色能源短缺时的补充。绿色能源Si(t)由基站Si自身产生并存储的绿色能源REGi(t)和来自与其他基站j(记作BSj)的协作能源COji(t)：
其中，COji(t)可以是正值，表示基站BSi自身绿色能源产生量不足，需要其他基站BSj传输绿色能源进行协作供应，可以提供能源的基站数为N；COji(t)可以是负值，表示基站BSi自身绿色能源供应过量，绿色能源出现剩余，可以传输剩余能源给其他基站。对于每一个基站，自身产生并存储的绿色能源REGi(t)和能够存储下来的总的能源量Si(t)是实时变化的，其具体数值通过智能电表实时检测并记录下来。
根据无线通信以及通信网理论，基站与服务终端之间的无线信道建模为带宽受限功率受限高斯信道；每个基站负载量以到达基站的数据量计算，数据包到达过程建模为泊松过程。在本发明实施例中，数据包到达基站BSi的过程为泊松过程，当数据包到达率为μ(μ≥0)时，那么在时间段[t,t+τ]内到达的数据包数量k为服从参数为μ×τ泊松分布的随机变量，参数μ×τ的值是到达的数据包数量的期望值，即负载量。变量k的概率分布函数为：
由于基站消耗电量主要用于发射功率，因此基站所需能源量与所要处理的负载量成正比，在任意时间t，基站BSi所需能源量Di(t)也为泊松过程。在时间段[t,t+τ]内到达基站BSi的数据包量为随机变量k时，所需能源量d为d＝dk＝a×k，也是一个服从泊松分布的随机变量，此处a为基站处理每个数据包所需耗费的能源量。处理负载量为k时，所需能源d＝dk的概率记作可得：
当数据包到达率μ随时间变化地时候，和pk(τ)也相应的随μ发生改变。
对于基站BSi，基站发射功率大小主要由带宽、数据传输速率和无线信道质量决定。移动用户到基站的无线信道建模为具有零均值加性高斯白噪声的瑞利衰落信道。信道噪声方差为σ2，移动用户z到基站BSi的信道增益为hz，瑞利衰落路径损耗与信道增益在一个发射周期内设为常数，用户z数据率为：
其中，Pz为基站的发射功率。用户z数据率为rz时，基站BSi发射功率为：
在一定的信道质量下，为了保证在数据传输速率上的服务质量，用户数据传输速率rz需要达到一定的门限值，这就需要基站的发射功率Pz达到一定的门限值。基站中有Z个用户的情况下，时间段[t,t+τ]内总能耗为：由于发射功率是基站能量消耗最主要的部分，在本发明实施例中“功率”和“能量”指代同一事物。根据Z个不同用户的各自的应用对数据率的要求和用户无线信道质量调整发射功率，用户z(z＝0,1,...,Z.{Z∈Z+})的数据率门限值为Rz,信道质量hz为Hz时，基站总能耗为：
存储论作为运筹学的一个分支，主要用来解决供应与需求不对等的问题。在商品销售过程中，市场需求与供货量之间总是存在差异，存储理论作为缓冲在供应量与需求量之间建立起桥梁，降低二者之间差异的不确定性。一个存储过程包含了需求量、供应量、存储策略和存储费用四个方面。存储费用c包含四部分，初始费用、存储费用、缺货费用和采购成本。存储的目标就是制定存储策略以确定最佳存储量S，使存储费用降到最低。对于蜂窝网络中每一个混合能源供电的基站，绿色能源作为供应，基站中的负载所需能源作为需求，每个基站的绿色能源产生量与负载需求均为变量，两者之间存在差异，因此通过能源存储可以尽可能使供应满足需求。每一次存储，可能出现以下三种情况：
(1)S<d：存储量少于需求量，此时产生缺货费用为(d-S)×CS，CS为单位缺货费用。
(2)S＝d：能源最佳存储量。此时存储的能源刚好满足需求。
(3)S>d：存储量多于需求量，此时产生存储费用为(S-d)×CH，CH为单位存储费用。
在本发明实施例中，需要存储的物品为绿色能源，由于风能、太阳能等绿色能源可以免费获取，因而能源的采购成本为零；初始费用为部署绿色能源产生设备所需的费用，设备一经部署，在此后的能源存储中就不再需要考虑，因而初始费用为常数值。因此，基站进行绿色能源存储时主要需要考虑的是缺货费和存储费。缺货费用体现在绿色能源存储量不足时需要使用传统电力供电所产生的成本；存储费用体现在存储能源的设备费用，绿色能源存储容量越大的设备费用越高。当所需能源量d的随机变量分布函数P(d)已知，只考虑存储费用和缺货费用时，存储费用期望值为：
对于每一个基站，绿色能源的最佳存储量就是能够使存储费用期望值最低的存储量S。而对于任意基站BSi，最佳存储量S与自身产生的绿色能源量REGi(t)存在两种关系：
(1)S＜REGi(t)，最佳存储量小于绿色能源产生量，基站绿色能源产生剩余，此时基站作为其他基站的绿色能源供应者，可以将自身剩余绿色能源传输给绿色能源不足的基站；
(2)S≥REGi(t)，最佳存储量大于绿色能源产生量，基站自身绿色能源供应不足，此时基站作为其他基站的绿色能源需求者，需要其他绿色能源有剩余的基站协助传输一部绿色能源作为补充。
基站之间绿色能源协作存储为绿色能源供应与负载需求之间建立起桥梁，通过将绿色能源出现剩余的基站的一部分绿色能源通过智能电网传输给绿色能源不足的基站，使每一个参与能源协作的基站其绿色能源供应能够持续稳定地满足负载需求，不再出现绿色能源浪费或者绿色能源供应不足的情况。
为了促进能源协作的进行，能源供应者需要在提供自身一部分绿色能源给能源需求者的过程中获取收益并避免风险。这是由于能源供应者将绿色能源传输给能源需求者后不能再要回，而能源供应者之后可能会出现负载量增多、移动用户信道质量变差等导致能源短缺的情况，能源在传输过程中也会产生损耗。因此，当面对一个能量需求者提出一定量的绿色能源请求时，所有参与能量供应的基站都会根据一定的策略决定各自提供的能源的量，以有价售出能源的方式，确保自身获取最大的效益。每一个能源供应者根据自身情况与其他能量供应者可以提供能源量的情况做决定并且都以获取最大收益为目标，所有能源供应者进入到相互制约与平衡的关系中，共同决定了各个能源供应者的最佳能源供应量和能源售出的价格，以达到所有能源供应者都能取得自己最大收益的目的。所有的能量供应者对于绿色能源提供量以及出售价格的决定构成了一个博弈过程。
对一个博弈过程的定义包含了三个要素，一定数量的决策参与者、参与者们在相互制约的情况下制定的决策以及决策带来的收益或惩罚：
决策参与者，M＝0,1,...,m.{m∈Z+}；
参与者所做的决策，A1,...,Am；
决策所带来的效益，f1(a1,...,am),...,fm(a1,...,am).
博弈过程记作，G＝{A1,...,Am；f1,...,fm}。绿色能源供应基站BSi作为博弈过程中的决策参与者，根据自身能源存储量以及负载量情况以及其他能源供应基站所决定的提供能源的量，制定自己提供能源量的最佳决策aj*，取得自身效益最大值fj(a1,...,aj*,...,am)。与基站BSi类似，其他m-1个参与者均选择能够最大化自身效益的决策。对于任意参与绿色能源供应的基站BSi，如果满足下式，
fj(a1*,...,aj*,…,am*)≥fj(a1*,...,aj,…,am*)
则称博弈达到了纳什均衡。此时，所有参与者的最佳决策为每一个参与者带来最大收益，也就是说，任何一个参与者都不能够仅靠改变自身策略就可以使自身效益变大。
本发明把参与能源供应的基站之间对于绿色能源供应量以及价格的决策过程建模为完全信息(对于每一个决策参与者来说，其他参与者的历史决策信息已知)寡头垄断博弈模型，通过对纳什均衡解的求解，在最大化能源供应者效益的基础上，得到每次交易过程中各个能量供应者提供的能源量以及能源协作总量。与非能源协作以及静态协作方式相比，本发明设计的基于静态博弈与动态博弈的能源交易方式可以提高整个蜂窝网络的绿色能源协作量，从而提高绿色能源利用率。
本发明实施例提出的解决方案包括两个步骤。首先，每个基站采用(s,S)存储策略计算一个时间周期内的绿色能源的最佳存储量；然后，多个有剩余绿色能源的基站与能源短缺的基站采用寡头垄断博弈(基于古诺模型和斯坦克尔伯格模型)进行能源交易。
基站BSi在时间t的绿色能源产生量为I。根据(s,S)存储策略，当I低于最低存储值s时，则需要增加能源存储到存储量S。在每个时间周期内进行能源存储值计算，当能源需求量是一个随时间变化地随机变量时，s和S的值也相应的随时间而变，存储策略记作(s(t),S(t))。蜂窝网络中的每一个基站执行(s,S)存储策略，求解与自身负载量相对应的能源存储量。
基站BSi的数据包到达率为μ(μ≥0)，在时间段[t,t+τ]内到达BSi的数据包量k为服从参数为μ×τ的泊松分布的随机变量。需要处理的数据包数量为离散值｛1,2,3,…,n}，每一个数据包需要一个单位的能源去处理，那么基站BSi所需的能源量d与需要处理的负载量成正比，也是离散值｛d1,d2,d3,…,dn}。s和S从所需能源量的离散数值中取值，当S等于da时，记作Sa，(0≤a≤n)。对于每一个基站在每一个存储周期，能源存储量为S的存储费用期望值为下式：
其中p(d)为能源需求d的概率分布，CPUR为绿色能源单位支付费用。将p(d)带入到上面的式子得到每一个存储量S对应的存储费用期望值表达式：
当S＝Sa＝da，得到下面的推导：
将记作F(Sa)，将记作F。那么，F的取值在0与1之间，也就是(0≤F≤1)。上面的式子重新表示如下，
ΔC(Sa)＝(F(Sa)-F)×(CS+CS)×ΔSa
此处，(CS+CS)×ΔSa≥0，并且F(Sa)随a单调递增。ΔC(Sa)值的正负取决于F(Sa)-F，也就是说ΔC(Sa)也是单调递增。
根据随机变量k的分布函数，在时间段[t,t+τ]内到达数据包数量为1和n的概率为p1(τ)和pn(τ)，两个值都很小。记由于p1(τ)的值非常小，那么F(S1)＝p1(τ)＜F。同理F(Sn-1)＝1-pn(τ)＞F，也就是，pn(τ)＜1-F。那么，我们就得到下面的式子：
ΔC(S1)＝(F(S1)-F)×(CH+CS)×ΔS1
＝(p1-F)(CH+CS)×ΔS1＜0
ΔC(Sn-1)＝(F(Sn-1)-F)×(CH+CS)×ΔSn-1
＝(1-pn-F)(CH+CS)×ΔSn-1＞0
我们已经知道，ΔC(Sa)随a单调递增，而且其取值是从一个负值逐渐递增为一个正值，相应的，C(Sa)的值先增长然后再减小。因此，存在一个值使得C(Sa)取到最小值。此处，a*取值自{0,1,2,…,n}。S*同时使下面两个式子同时成立：
也就是，
也就是，
经过上面的推导，使得存储费用期望值最小的最佳存储量S*可以从下面的式子求解得到：
对于绿色能源存储量最小值s的求解有以下分析，基站BSi当前的绿色能源存储量I达到存储值底线s时，不增加存储量所带来的存储费用期望值应该小于将存储量增加至S*，通过公式表达，即下面的式子：
也就是，
当s＝S*时，上式显然成立，因此至少有一个最低存储值s存在。由于需要存储的绿色能源是免费资源，因此初始费用cse和支付费用CPUR可以忽略。对应到上面的式子中，也就是cse＝0以及CPUR＝0，此时可以得出，存储值底线s等于最佳存储量S*。也就是说，对于每一个基站，在每一个存储周期，当能源存储量低于最佳存储值S*时，就需要增加能源存储量到S*。
经过每一个基站最佳绿色能源存储量的计算，具有绿色能源剩余量的基站就可以将自身剩余的绿色能源通过智能电网传输给能源短缺的基站。每一个参与提供绿色能源的基站需要根据自身以及其他参与绿色能源供应的基站的情况制定将要提供能源量。所有提供绿色能源的基站在绿色能源提供量与价格的决策中构成一个博弈过程。为了确保博弈过程具有纳什均衡解，博弈过程需要满足一定的条件，本发明实施例对博弈模型的设计也将以纳什均衡解的存在为前提去完成。
根据博弈论理论，通过验证这个博弈过程是否满足下面三个条件，判断一个博弈过程是否存在纳什均衡解：
(1)参与者个数n为有限值；
(2)策略集(参与者的行动集){Ai,…}为有界闭凸集；
(3)收益函数(参与者行动带来的收益)是连续并且拟凹的。
前两个条件容易满足，为了在一个博弈过程中得到纳什均衡解，最关键的就是设计收益函数，满足连续拟凹的条件。本发明基于寡头垄断古诺模型和寡头垄断斯坦克尔伯格模型，严格按照纳什均衡解存在的条件设计博弈模型，并且重点描述了收益函数的设计过程，保证了本发明设计的博弈模型具有纳什均衡解。
寡头垄断古诺模型形式如下：首先，所有参与者同时采取行动，为静态博弈；然后，每个参与者根据所有参与者所采取的策略得到收益。在每一次博弈中，每个参与者知道其他参与者的博弈过程的历史信息，并且每一个参与者的收益函数对于所有参与者来说是公开的信息。博弈过程的设计需要考虑蜂窝网络的特殊属性，对于每一个参与绿色能源供应的基站BSi，提供绿色能源给绿色能源不足的基站，其收益函数为，
fs(pi)＝qpi-C(pi)
此处，pi为基站BSi决定提供的绿色能源量，q是提供能源的价格，C(pi)为出售能源量pi所产生的成本函数。出售能源的价格q取决于所有参与绿色能源供应的基站提供的绿色能源总量，以及绿色能源不足的基站所需的能源量和自身负载、信道质量等情况。所有参与绿色能源供应的基站所能提供的绿色能源总量与能源价格准确关系可以从能源需求者的收益函数中推导出来，本发明设计了能源需求节点的收益函数，
此处，为能源需求者的能源效率，定义为能源需求基站的数据率与用于传输数据所需功率的比值。当基站BSi中用户数为Z时，能量效率表达式如下，
能源需求节点的收益函数fd(p)为二次拟凹函数，存在最大值。能量需求节点收益函数的最大值，将收益函数fd(p)对功率p的一阶导数取值为零，
得到能量需求节点收益函数的最大值，并且得到了获取能源的价格与能源量的关系，
将能源需求者的能源效率表达式带入上式中，可以得到能量供应节点所提供的能源量量与能源价格的关系，
要获得能源供应基站者收益函数fs(pi)＝qpi-C(pi)准确的表达式，还需要根据混合能源供电蜂窝网络的特点设计绿色能源供应基站出售能源量pi所产生的成本函数C(pi)。由于蜂窝网络中每一个基站所需处理的负载是随时间而变的，移动用户的信道质量也是一直在变，对于能源的需求也不断变化，每一个有剩余绿色能源的基站将自己的剩余能源传输给有能源短缺的节点后自身可能面临由于负载量增多或用户信道质量变差等而导致的能源不足的状况，因而每一个提供绿色能源的基站都要承担风险，根据出售能源对于能源供应基站产生的影响，成本函数C(pi)如下，
此处，Di为基站BSi的负载量；Pireq为所需能源量；Di为存储在基站BSi的绿色能源量；ki(s)为基站BSi的能源利用率，表示为w为成本函数的权值，w值越大表示基站BSi距离能源需求基站的距离越远，这意味着越长距离的电能传输带来的能量损耗越大。将成本函数C(pi)带入到能源供应者收益函数fs(pi)＝qpi-C(pi)中，得到能源供应基站的收益函数
本发明设计的寡头垄断古诺模型，博弈过程如下：每一个能量供应节点供应相同价格和质量的能源，供应能源的价格随需求量而变。每一个能源供应者制定能源供应量采取的行动基于自私自利与不合作的原则，所有能源供应者节点之间的博弈过程就是各自决定能源供应量。每一个能源供应节点根据其他参与能源供应节点博弈过程中提供能源量的历史数据，以获取最大收益为目标，决定自己的最佳出售量。所有供应者同时给出各自提供能源量，并且根据所有参与者所做的决定得到自己的收益。经过多次博弈过程，所有能源供者进入到平稳状态，每一个能源供应者得到提供能源量的稳定值，并且在这一稳定状态下，所有能源供应者都获取了最佳收益，也就是最终达到了纳什均衡。
具体地，基于寡头垄断古诺模型算法流程如下：
(1)确定参与提供绿色能源的基站数量为M:for i＝1:M
(2)确定基站BSi的收益函数：
(3)求解收益函数取值最大时的pi：
(4)通过将pj的历史数据带入到第(3)步，得到基站BSi所提供的能源量pi。
由此可得，M个绿色能源供应基站提供的绿色能源量分别为：{p1,p2,…,pM}；提供绿色能源的价格：
基于寡头垄断斯坦克尔伯格模型，是一种完全信息动态博弈。每一个绿色能源供应基站与需求基站的收益函数，以及无线信道模型与寡头垄断古诺模型是一样的，不同之处在于博弈过程：在寡头垄断斯坦克尔伯格模型中，一部分绿色能源供应基站先制定所提供能源量的策略，另外一部分绿色能源供应节点根据先采取行动的节点所采取的策略后制定行动策略。与同时做出决定的寡头垄断古诺模型相比，寡头垄断斯坦克尔伯格模型体现了先动优势。
具体地，基于寡头垄断斯坦克尔伯格模型算法流程如下：
(1)确定参与提供绿色能源的基站数量为m+n，其中，先采取行动的基站数量为m，后采取行动的基站数为n:forx＝1:m i＝1:n
(2)求解后采取行动的能源供应基站售出的能源量pi：
每一个先采取行动的能源供应基站决定提供的绿色能源量Bx已知，那么所有先采取行动的基站提供的绿色能源总量为后采取行动的基站数为n，后采取行动的基站BSi收益函数：
后采取行动的基站BSi收益函数取值最大时售出能源量pi：通过将pj的历史数据带入，得到pi。
(3)求解先采取行动的能源供应节点提供的能源量Bx。
将第一步中n个后采取行动的能源供应者提供的能源量相加得到所有后采取行动的基站提供的能源量总值：先采取行动的能源供应基站的收益函数为：
收益函数取值最大时后采取行动的能源供应基站提供的能源量Bx：
(4)将Bx带入到第(2)步的pi中，得到先采取行动的m个能源供应节点提供的能源量pi。
m个先采取行动的绿色能源供应基站与n个先采取行动的绿色能源供应基站提供的绿色能源量分别为：{B1,B2,…,Bm,p1,p2,…,pn}；
得到提供绿色能源的价格：
为方便与本发明设计的寡头垄断博弈模型进行比较，本发明实施例使用下述的绿色能源静态协作模型作为对比：
(1)基站BSi的收益函数：
每一个提供绿色能源的基站采用相同的策略，提供的能源供应量相同，收益函数为，
(2)求解收益函数取值最大时的pi：得到每个绿色能源供应基站售出的能源量pi。
当一个能源量不足的基站提出一定量的能源需求时，所有参与能源供应的基站进入博弈过程并给出合适的绿色能源供应量。如果所有每个能源供应者提供的能源量值在经过连续三次博弈之后保持不变，就表示此次博弈过程得到均衡解。一次能源交易的博弈过程分为以下步骤：
(1)一个能源不足的基站提出购买能源的请求，并将这个信息发送给能源供应节点；
(2)作为绿色能源供应者的基站收到能源需求的请求，进入决定状态，与所有能源供应基站通过博弈过程决定要提供的能源量与价格；
(3)在所有绿色能源供应基站博弈过程达到稳定状态时，也就是博弈过程获得纳什均衡解时，停止博弈；
(4)每一个绿色能源供应基站根据博弈过程决定的提供的绿色能源量，将绿色能源传输给能量需求基站；
(5)能源需求基站收到能源供应节点提供的绿色能源。一次能源交易结束。
实验证明了本发明实施例所提供的能源协作方案能够有效提升混合能源供电的蜂窝网络中绿色能源交易量与蜂窝网络绿色能源利用率。
在本发明实施例中，基站采用916MHz的ISM频带，数据率为40kbits/s，基站BSi在一个时间段周期[t,t+τ]到达的数据量期望值取值为5,10,20，表示基站负载量大小变化多种情况。当存储费用比缺货费用少时，单位存储费用设为CH＝1，单位缺货费CS＝4，现存能源I为两个单位能源。相应地，可以设置单位存储费用的值大于缺货费的值来表征存储费用较高的情况。基站BSi提供给用户z数据率的阈值设为，rz＝40kbits，带宽bi＝10MHz，加性高斯白噪声功率谱密度N0＝-50dBm，成本函数权值w＝0.5也就是说在绿色能源传输过程中能源损耗50％，Di＝15，Pireq/Si＝120W/160W。将这些参数带入到本发明设计的寡头垄断古诺模型和寡头垄断斯坦克尔伯格模型中，并且以前述的静态能源协作方法作为对比。
在寡头垄断古诺模型中，参与绿色能源供应基站数目为4个的情况进行数值仿真，所提供的能源量历史值分别为，29.5W,21.6W,24.7W,23.4W。图3示出的是基于寡头垄断古诺模型的博弈过程折线图，在寡头垄断古诺博弈过程中，如图3所示，经过五次博弈后，四个提供绿色能源供应者取得均衡解，提供的能源量在第六次博弈开始保持稳定值。
基于寡头垄断斯坦克尔伯格模型中，对有六个基站参与绿色能源供应的情况进行数值仿真，其中三个基站先采取行动制定策略，三个基站后采取得力，基站提供绿色能源的历史值分别为29.5W,21.6W,24.7W,23.4W,20.4W,26.4W。图4示出的是基于寡头垄断斯坦克尔伯格模型的博弈过程折线图，在寡头垄断斯坦克尔伯格博弈过程中，如图4所示，六个能源供应者经过五次博弈后，三个先动者达到一个稳定值，三个后动者达到一个稳定值，从第六次博弈开始，能源供应者提供的能源量保持稳定，取得均衡解。
同时，本发明对有十个基站参与绿色能源供应的情况进行数值仿真。图5示出的是不同能源协作模型能源交易总量对比图，如图5所示，采用本发明所设计的基于寡头垄断古诺博弈与斯坦克尔伯格博弈能源交易模型，相比于静态能源协作模型能够大幅提升绿色能源交易量，有效提升了混合能源供电的蜂窝网络的绿色能源利用率。本发明设计的两种博弈模型中，采用基于寡头垄断斯坦克尔伯格博弈所产生的绿色能源交易量高于古诺博弈，这说明动态博弈性能优于静态博弈。基于寡头垄断斯坦克尔伯格博弈在两种情况下，能源交易总量亦有所不同：其中，寡头垄断斯坦克尔伯格博弈1为先采取行动的能源供应者数量m＝1，后行动的能源供应者数量n从1上升到9；寡头垄断斯坦克尔伯格博弈2为后采取行动的能源供应者数量n＝1，先行动的能源供应者数量m从1上升到9。
参与能源供应的基站数量相同的情况下，寡头垄断斯坦克尔伯格博弈2，也就是先采取行动的能量供应者数量多于后采取行动的能源供应者时，绿色能源交易总量最高，这反映了斯坦克尔伯格博弈模型的先动优势。
综上所述，借助于本发明的上述技术方案，通过使用持续从环境中收集绿色能源并存储于各基站本地，根据各基站的绿色能源存储费用与实时数据包到达率，计算出各基站的本地能源最佳存储量，根据各基站的本地存储量与本地能源最佳存储量，将各基站分类为能源供应基站与能源需求基站，能源供应基站之间进行博弈，并将能源供应基站的多余能源交易给能源需求基站的技术手段，能够使基站在保证自身对能源的需求的前提下将自身一部分能源协作传输给绿色能源供应不足的基站，使得参与协作使用的绿色能源量达到最大。
所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！